זיהוי קולי (Voice Recognition) הוא טכנולוגיה שממירה דיבור לטקסט או לפקודה שמערכת מחשב יכולה לבצע. בעסק משתמשים בו כדי לנתב שיחות לפי מה שהפונה אומר, לתמלל שיחות ולהפעיל בוט קולי. ספקי הענן הגדולים תומכים בעברית, והדיוק בפועל תלוי באיכות הקול בקו, ולכן בודקים אותו על שיחות אמיתיות של העסק לפני ההטמעה.
| שימוש בעסק | מה המערכת עושה | מה בודקים |
|---|---|---|
| ניתוב שיחות קולי | הפונה אומר שם או נושא והשיחה עוברת ליעד המתאים | רשימת יעדים סגורה ושמות מדויקים |
| בוט קולי | מנהל שיחה קצרה ומעביר לנציג כשהוא לא מבין | זמן תגובה ומעבר חלק לאדם |
| תמלול שיחות | הופך הקלטה לטקסט לחיפוש ולסיכום | איכות ההקלטה ושירות בתוספת תשלום |
| אימות דובר | משווה את הקול לדגם קול שנשמר מראש | פרטיות ומידע ביומטרי |
| פקודות קוליות | מפעיל פעולה בתוכנה לפי משפט שנאמר | רעשי רקע ומספר הפקודות |
טווחי שוק לרכיבים שמסביב לזיהוי קולי
| רכיב | בשקלים, לפני מע"מ | הערה |
|---|---|---|
| נתב שיחות או תפריט קולי (IVR) | 16 עד 31.5 | לחודש |
| הקלטת שיחות, 1 עד 5 שלוחות | 8 עד 12 | לחודש, לשלוחה |
| שלוחה במרכזיה בענן, 6 עד 10 שלוחות | 15 עד 23.33 | לחודש, לשלוחה |
אלה ממוצעי שוק ולא מחירון של טלקום אקספרט. למנוע זיהוי הדיבור עצמו אין טווח שוק אחיד, כי התמחור משתנה לפי דקות, שיחות וחיבורים.
עיקרי הדברים
- זיהוי דיבור מבין מה נאמר, וזיהוי דובר בודק מי מדבר. הראשון הוא טכנולוגיית תמלול והבנה, והשני הוא אימות ביומטרי.
- לפי מדריך הרשות להגנת הפרטיות לתיקון 13, מזהה ביומטרי שמשמש לזיהוי אדם הוא מידע בעל רגישות מיוחדת.
- עברית מופיעה בתיעוד של Microsoft Azure Speech (he-IL), של Amazon Transcribe (he-IL) ושל Google Cloud Speech-to-Text (iw-IL).
- Google ממליצה לשלוח אודיו מטלפוניה בקצב המקורי, בדרך כלל 8,000 הרץ, וקובעת שקודקים עם אובדן ורעש רקע עלולים להוריד דיוק.
- אין נתון רשמי אחיד לדיוק בעברית על קו טלפון, ולכן מדדים אמיתיים מתקבלים רק מפיילוט על הקלטות של העסק.
טלקום אקספרט מלווה עסקים בחיבור של זיהוי קולי למרכזיה ולמוקד. מי שמחפש פתרון לאפליקציית נייד יקרא על זיהוי קולי בסמארטפון, ומי שבוחן פקודות קוליות לעובדים יקרא על עוזרים קוליים לעסקים. העמוד הזה מסביר את הטכנולוגיה עצמה ואת השימוש בה בטלפוניה.
לאילו מערכות מתאימה מערכת זיהוי דיבור Voice Recognition?
מערכת זיהוי דיבור מתאימה לכל מקום שבו אפשר להחליף מענה אנושי חוזר במענה ממוחשב שמטפל במספר מוגבל של אפשרויות. ככל שהאפשרויות מצומצמות וברורות, יש פחות טעויות זיהוי והשירות יעיל יותר. כשהפונה יכול לומר כל דבר, המערכת צריכה הבנת שפה רחבה, והדיוק יורד.
השימושים שבהם זיהוי קולי עובד טוב בעסק:
- ניתוב שיחה לשלוחה לפי שם עובד או מחלקה, כשרשימת היעדים ידועה.
- תחליף לתפריט מקשים (IVR) שבו הפונה אומר את הצורך במקום להקיש ספרות.
- אישור הזמנה או תור בתהליך קצר עם עץ החלטות סגור.
- תמיכה ראשונית בנושאים מוגדרים, עם מעבר לנציג כשהבקשה חורגת.
- אימות דובר בתהליכים שבהם יש דגם קול שנשמר בהסכמה.
- פקודות קוליות לתוכנה, כשהפקודות שונות זו מזו וקל להבחין ביניהן.
מה ההבדל בין זיהוי דיבור, זיהוי דובר והפרדת דוברים?
שלושה מושגים קרובים מבלבלים בהצעות מחיר. זיהוי דיבור (Speech Recognition) הופך אודיו למילים. זיהוי דובר (Speaker Recognition) קובע מי מדבר, והוא מתחלק לאימות (האם זה האדם שהוא טוען שהוא) ולזיהוי מתוך קבוצה. הפרדת דוברים (Diarization) רק מתייגת מתי הדוברים מתחלפים, בלי לדעת מי הם.
לפי התיעוד של Google Cloud, הפרדת דוברים מזהה מתי הדוברים מתחלפים ומתייגת את הקולות במספרים, אבל אינה מציינת זהות. תמלול מדויק של המילים יכול אפוא לייחס אותן לדובר הלא נכון, והמושגים נבחנים בנפרד בהצעה.
איך עובד זיהוי קולי בטלפוניה?
התהליך מתחיל בשיחה שעוברת במרכזיה או בשער קול, והשמע נשלח למנוע זיהוי בזמן אמת או אחרי השיחה. המנוע מפרק את האודיו ליחידות צליל, ומשלב מודל שפה כדי לבחור את המילים הסבירות. אחרי כן שכבת הבנת כוונה קובעת מה הפונה רוצה, והמערכת מבצעת פעולה: ניתוב, תשובה או רישום ב-CRM.
בתיעוד של Microsoft Azure Speech מוגדרים שלושה מסלולי תמלול: בזמן אמת לשמע זורם, תמלול מהיר לקובצי הקלטה, ותמלול אצווה לנפח גדול. כשיש רעש רקע או ז'רגון מקצועי, אפשר לאמן מודל מותאם (Custom speech) על אודיו ועל טקסט של העסק. מסלול התמלול בזמן אמת הוא זה שמתאים למענה אוטומטי, כי התשובה צריכה להגיע בזמן שהפונה ממתין.
האם זיהוי קולי עובד טוב בעברית?
עברית נתמכת אצל שלושת ספקי הענן הגדולים. ב-Azure Speech מופיע he-IL עם תמלול מהיר ועם Custom speech, ב-Amazon Transcribe he-IL נתמך בתמלול קבצים ובתמלול זורם, וב-Google Cloud Speech-to-Text העברית מופיעה בקוד iw-IL עם מודלי Chirp. התמיכה אינה אחידה בין היכולות: לפי טבלת השפות של Amazon, ניתוח שיחות (Call Analytics) אינו זמין בעברית.
איכות הזיהוי בקו הטלפון היא שאלה נפרדת מהתמיכה. שמות פרטיים, מספרים, סלנג, דיבור חופף ורעשי רקע פוגעים בדיוק, וקו טלפון דוחס את הקול. לכן שיטת הבדיקה הנכונה היא פיילוט:
- אוספים מדגם של הקלטות אמיתיות, כולל שיחות רועשות ושיחות מנייד.
- מתמללים אותן במנוע המוצע ומשווים לתמלול אנושי של אותן שיחות.
- סופרים טעויות בנקודות החשובות לעסק: שמות, מספרי טלפון, סכומים ושם המחלקה המבוקשת.
- מודדים כמה שיחות הסתיימו בלי נציג וכמה פונים ביקשו לעבור לאדם.
אילו ספקים מציעים מנוע זיהוי קולי בעברית?
מנועי הזיהוי הנפוצים לעסקים מגיעים מפלטפורמות ענן, ומערכות הטלפוניה והמוקד מתחברות אליהם דרך ממשק. הטבלה מסכמת מה כתוב בתיעוד הרשמי של כל ספק לגבי עברית.
| פלטפורמה | עברית לפי התיעוד | מה לברר |
|---|---|---|
| Microsoft Azure Speech | he-IL, תמלול מהיר ו-Custom speech | תמלול זורם בעברית ואזור הפעלה |
| Amazon Transcribe | he-IL, קבצים ותמלול זורם | ניתוח שיחות אינו זמין בעברית |
| Google Cloud Speech-to-Text | iw-IL, מודלי Chirp באזורים מסוימים | זמינות המודל באזור הנבחר |
חברת AudioCodes הישראלית מציעה את VoiceAI Connect, שלפי דף המוצר מחבר מוקד או SIP Trunk למסגרת בוטים ולשירות קולי לפי בחירת הלקוח, כשירות מנוהל או דרך פורטל. הדף אינו מפרט אילו מנועי דיבור נתמכים ואינו מציין עברית, ולכן זה נושא לבירור בהצעה.
איך משלבים זיהוי קולי במרכזיה או במוקד?
השילוב נעשה בדרך כלל בשער שמעביר את השמע ממרכזיית הטלפוניה למנוע, דרך SIP או ממשק API. במרכזיה בענן השיחות כבר עוברות בתשתית דיגיטלית, ולכן השילוב פשוט יותר ואין צורך בשרתים מקומיים. את ההגדרות של נתב שיחות אפשר לבנות כך שהזיהוי הקולי מחליט על היעד, ותפריט המקשים נשאר כגיבוי.
שלוש החלטות קובעות את האיכות:
- מה קורה כשהמערכת לא מבינה: מעבר לנציג אחרי ניסיון אחד או שניים, לא לולאה אינסופית.
- איך נשמרות ההקלטות: ב-מרכזיה בענן ההקלטה והתמלול נשמרים אצל הספק, ולכן קובעים מראש מי ניגש אליהם ולכמה זמן.
- מה נרשם אחרי השיחה: בפועל, לקוחות שואלים על סיכום שיחה שנכנס אוטומטית ל-CRM, ולעיתים הסיכום חשוב להם יותר מהתמלול המלא.
מי שרוצה מענה קולי אוטומטי מלא יכול לקרוא על בוט קולי, שמנהל שיחה שלמה ולא רק מזהה פקודה.
מה צריך לדעת על פרטיות והקלטת שיחות?
קול הוא מידע אישי, וחתימת קול שמשמשת לזיהוי אדם היא מזהה ביומטרי. לפי מדריך הרשות להגנת הפרטיות לתיקון 13, מזהה ביומטרי שמשמש לזיהוי אדם או לאימות זהותו באופן ממוחשב נכלל במידע בעל רגישות מיוחדת. לכן אימות דובר דורש הסכמה ברורה, מדיניות שמירה ובדיקה משפטית. זיהוי דיבור שמטרתו להבין פקודה אינו אימות ביומטרי, אבל ההקלטה עצמה היא מידע אישי.
הרשות להגנת הפרטיות פרסמה באפריל 2025 טיוטת הנחיה לבינה מלאכותית, ובה עמדה שהעובדה שהצד השני אינו אדם אלא מערכת אוטומטית היא נתון חשוב להסכמה מדעת. סטטוס ההנחיה הסופית לא נבדק, אבל המסקנה המעשית פשוטה: מודיעים לפונה שהוא מדבר עם מערכת ושהשיחה מוקלטת.
בנוסף, תיקון 74 לחוק הגנת הצרכן אמור להיכנס לתוקף ב-22 במרץ 2027, והשר רשאי לדחות את המועד בעד ארבעה חודשים. התיקון חל על עסקאות מעשרה סוגים שהחוק מפרט, בהיקף של 750 ש"ח ומעלה, ומחייב הקלטת שיחות קוליות והודעה על ההקלטה בתחילת השיחה. ההקלטה נשמרת שנתיים אם נכרתה עסקה ושישה חודשים אם לא נכרתה, ומוסרת ללקוח בתוך 10 ימי עסקים. עסק שחל עליו התיקון צריך לתכנן אחסון הקלטות וגישה אליהן לפי התנאים האלה. תמלול של ההקלטות הוא תוספת בתשלום, והוא מעבד אותן שוב ולכן נכלל בהחלטות הפרטיות.
איך מודדים הצלחה אחרי ההטמעה של זיהוי קולי?
ההטמעה לא מסתיימת בהפעלה. בשבועות הראשונים עוברים על מדגם שיחות ומשפרים את התסריט, ושלושה מדדים מספרים אם המערכת עובדת:
- שיעור השיחות שהסתיימו בלי נציג, ומתוכן כמה הגיעו ליעד הנכון.
- שיעור הפונים שביקשו לעבור לאדם או חזרו על אותה בקשה פעמיים, שמעיד על כשל בהבנה.
- זמן ההמתנה עד היעד הנכון, לעומת תפריט המקשים הקודם.
כשמדד אחד נפגע, בודקים אם הסיבה בזיהוי עצמו או בתסריט. לעיתים מספיק להוסיף שם נוסף או ניסוח נפוץ לרשימת היעדים כדי לתקן את הבעיה.
מה ההבדל בין זיהוי קולי, תפריט מקשים ובוט קולי?
שלוש רמות של אוטומציה בשיחה נכנסת נבלעות לעיתים בשם אחד, ובהצעות מחיר הן מתומחרות אחרת. כדאי להבין איפה כל אחת עוצרת לפני שמבקשים הצעה.
- תפריט מקשים (IVR): הפונה מקיש ספרה, והמערכת מנתבת לפי עץ קבוע. זה הפתרון היציב והזול, והוא אינו תלוי באיכות הקול.
- ניתוב בזיהוי קולי: הפונה אומר מילה או שם, והמערכת בוחרת יעד מתוך רשימה סגורה. זה תפריט מקשים שבו הקשה הוחלפה באמירה.
- בוט קולי: המערכת מנהלת שיחה קצרה, שואלת שאלות ומבצעת פעולה. הוא דורש הבנת כוונה, ולכן הוא מורכב ויקר יותר.
עסק שלא מנסה לרוץ מהר מדי יתחיל בניתוב לפי שם, יבדוק את שיעור הזיהוי הנכון, ורק אחר כך יעבור לשיחה מלאה.
מתי זיהוי קולי לא כדאי לעסק?
יש מצבים שבהם תפריט מקשים רגיל טוב יותר, וכדאי לומר זאת לפני ההטמעה:
- מעט שיחות נכנסות בחודש: עלות ההגדרה והבדיקות גבוהה מהחיסכון בזמן המענה.
- בקשות פתוחות לגמרי, שאי אפשר לסגור ברשימת יעדים: הדיוק יורד והפונים מתוסכלים.
- קו עם רעש רקע חזק, כמו מחסן או אתר בנייה, ופונים שמדברים מהרכב.
- תהליכים שבהם טעות בשם, בסכום או בכתובת יקרה: שם עדיף אישור בהקשה או העברה לאדם.
מה בודקים בהצעה למערכת זיהוי קולי?
- איזו עברית נבדקה: האם הוצגו תוצאות על הקלטות טלפון של העסק, ולא רק הדגמה בשמע נקי.
- איפה מעובד השמע, באיזו מדינה ומי רשאי להשתמש בו, כולל לאימון מודלים.
- איך נראה המעבר לנציג, ומה קורה בשיחה שהמערכת לא הבינה.
- אילו חיבורים נדרשים: SIP, API, CRM, והאם כל אחד כלול במחיר או בתוספת תשלום.
- איך מתומחר השימוש: לפי דקה, לפי שיחה או במנוי חודשי, וכמה עולה תמלול נוסף.
- האם המערכת שומרת חתימות קול, ומה מדיניות המחיקה.
- האם אפשר להתחיל בפיילוט על יישום אחד ולהרחיב לפי התוצאות.
מומלץ להתחיל בקטן: יישום אחד, כמו ניתוב שיחות לפי שם, על מרכזיה אחת או סניף אחד. אחרי כמה חודשי מדידה אפשר להחליט אם להרחיב.
איך עובדים עם טלקום אקספרט?
טלקום אקספרט מלווה עסקים כאינטגרטור תקשורת: מהנדס תקשורת עם מעל 25 שנות ניסיון בוחן את הצורך, מגדיר פיילוט, ומחבר את המנוע למרכזיה ולמערכות העסק. השירות מיועד לעסקים ולארגונים בלבד. טלקום אקספרט אינה מספקת נציגים או מענה אנושי, אלא טכנולוגיה וחיבור שירותים: מרכזיה, תורים, תפריט קולי, הקלטה וחיבור ל-CRM.
שירותי זיהוי קולי לעסקים
הטבלה מסכמת את השירותים בצד הטלפוניה והמוקד. אין מחיר אחיד, כי העלות נקבעת לפי מספר השיחות, ההקלטות והחיבורים הנדרשים.
| שירות | מה מקבלים |
|---|---|
| בדיקת התאמה והגדרת פיילוט זיהוי קולי | בחירת היישום המתאים לזיהוי הקולי, הגדרת מדגם הקלטות למבחן ומדדי הצלחה שמוגדרים מראש. |
| חיבור מנוע זיהוי דיבור למרכזיה | חיבור מנוע זיהוי הדיבור למרכזיה דרך SIP או API, עם נתב שיחות ומעבר לנציג של העסק כשצריך. |
| תמלול וסיכום שיחות מוקלטות | תמלול השיחות המוקלטות, סיכום קצר לכל שיחה ושליחתו למערכת ה-CRM, בתוספת תשלום כמפורט בהצעה. |
| מרכזיה בענן עם הקלטת שיחות | שלוחות, נתב שיחות והקלטה של השיחות, החל מ-20 ש"ח לשלוחה לחודש ומינימום 60 ש"ח לחודש. |
| קבלו הצעת מחיר | |
המחירים לפני מע"מ.
לייעוץ ללא התחייבות: 077-8123111.
שאלות נפוצות על זיהוי קולי
זיהוי קולי הופך דיבור לטקסט או לפקודה, ובדרך כלל פועל בזמן אמת כדי שהמערכת תגיב בתוך השיחה. תמלול שיחות הוא שימוש בטכנולוגיה הזו על הקלטה, כדי לחפש בה, לסכם אותה ולהעביר אותה ל-CRM. בעסקים רבים הסיכום חשוב יותר מהתמלול המלא, ותמלול הוא תוספת בתשלום ולא חלק מהמרכזיה הרגילה.
ספקי הענן הגדולים כוללים עברית בתיעוד שלהם, אבל קו טלפון דוחס את הקול, ולכן הדיוק נמוך יותר מאשר בהקלטה נקייה. שמות, מספרים, סלנג ורעשי רקע הם נקודות התורפה הנפוצות. הדרך להכריע היא פיילוט על הקלטות אמיתיות של העסק, ולא הדגמה של הספק.
הפונה אומר שם של עובד, מחלקה או נושא, והמנוע ממיר את המשפט לטקסט. שכבת הבנת הכוונה בוחרת יעד מתוך רשימה שהוגדרה מראש, והמרכזיה מעבירה את השיחה. כשאין התאמה, השיחה עוברת לנציג או לתפריט מקשים, ולכן רשימת יעדים סגורה ומעודכנת היא תנאי לדיוק.
כן, בתהליכים קצרים עם מספר מוגבל של אפשרויות, כי הפונה אומר מה הוא צריך במקום להקיש ספרות. כדאי להשאיר תפריט מקשים כגיבוי למי שהמערכת לא הבינה, ולמדוד כמה שיחות הסתיימו בלי נציג וכמה פונים ביקשו לעבור לאדם. בלי המדידה אי אפשר לדעת אם החלפת התפריט שיפרה את השירות.
כן, לפי מדריך הרשות להגנת הפרטיות לתיקון 13, מזהה ביומטרי שמשמש לזיהוי אדם או לאימות זהותו באופן ממוחשב הוא מידע בעל רגישות מיוחדת. לכן שמירה של חתימת קול מחייבת הסכמה ברורה, מדיניות מחיקה ובדיקה משפטית. זיהוי דיבור רגיל שמבין פקודה אינו אימות זהות, אבל גם ההקלטה שלו היא מידע אישי.
בטיוטת ההנחיה של הרשות להגנת הפרטיות לבינה מלאכותית מופיעה העמדה שהעובדה שהצד השני אינו אדם היא נתון חשוב להסכמה מדעת. בנוסף, תיקון 74 לחוק הגנת הצרכן, שעתיד להיכנס לתוקף במרץ 2027, מחייב בעסקאות מסוימות להודיע על הקלטה בתחילת השיחה. ההמלצה המעשית היא להודיע בפתיחת השיחה על ההקלטה ועל כך שהמענה אוטומטי.
אין מחיר אחד, כי העלות מורכבת מדקות עיבוד, ממספר הפורטים או השיחות, מהתאמה לעברית ומחיבור למרכזיה ול-CRM. ספקי ענן מפרסמים תמחור לפי שימוש, ופתרונות מנוהלים נמכרים במנוי או בהצעה. לכן מבקשים הצעה שמפרטת כל רכיב בנפרד, כולל תמלול שהוא תוספת בתשלום.
אוספים מדגם של הקלטות אמיתיות, כולל שיחות רועשות ושיחות מנייד, ומשווים את תוצאות המנוע לתמלול אנושי של אותן שיחות. סופרים טעויות בשמות, במספרים ובשם המחלקה המבוקשת, ובודקים כמה שיחות הסתיימו בלי נציג. אם הספק אינו מוכן לפיילוט על ההקלטות שלכם, זו סיבה לבדוק חלופה.
